# 连融 4 轮，投资方群星闪耀，自变量估值突破 200 亿

- 作者：杜晨
- 发布时间：2026-06-29 09:05
- 分类：爱范儿
- 原文：https://www.ifanr.com/1670322

![](https://s3.ifanr.com/wp-content/uploads/2026/06/zibianliang.png)

今年四月底，自变量机器人才对外宣布完成 B 轮融资，小米战投领投。当时，这家成立仅仅两年半的公司，估值早已越过了 100 亿元。

然而这对于自变量以及蜂拥而至的投资人来说远非结束，而是另一段的开始。

爱范儿获悉，之后的两个月里，自变量又安静地连续完成了 B+、B++、C 轮三轮融资，并且悉数完成交割。截至目前，公司投后估值超过 200 亿元，成为粤港澳大湾区第一家、也是唯一一家跨过这条线的具身智能公司。

这种节奏放在今天的一级市场不算稀奇，具身智能本来就是 2026 年最不缺钱的赛道。少见的是这几轮投资方的名单。

## 钱，涌向一家公司

根据爱范儿了解，自变量成为了国内唯一一家被四家互联网大厂分别领投过的具身智能公司：此前的 A 轮、A+、A++、B 轮的领投方分别为美团、阿里巴巴、字节跳动、小米。

**互联网大厂出手投硬科技，技术成色是审视重点。四家平时在牌桌上互为对手的公司，罕见地在同一家创业公司身上达成了共识，而且不止投一次，多轮加注：仅小米战投一家就连着投了三轮，形成了对于自变量机器人的一种判断。**

到了这次的 B+ 到 C 轮，名单进一步铺开、豪华化。

最重要的新趋势，是国家队的入场：国家人工智能产业投资基金、国投创新、中保投资、深投控、江苏省高投、宝安区引导基金都在其中，国开科创、国科投资等老股东继续加持，中国移动连着投了两轮。

与此同时，产业资本也深度参与到自变量近期数轮融资当中：荣耀、奇瑞、沈阳汽车、58 集团、弘信电子这些名字，背后多是汽车、消费电子和本地生活的公司。它们掏钱图的不只是财务回报，诉求反而更加具体：把具身智能接进自己的产业链——比如对于 58 到家来说，是能干家政的机器人，对于车企而言则是能上产线的机器人。

自变量机器人的风险资本支持者还包括红杉中国、IDG 资本、源码资本、达晨财智、中金资本、毅达资本等头部机构。

互联网巨头、国家队、产业资本、头部 VC，一级市场上这四类钱性格迥异，平时很难凑到一张桌子上。这一次它们凑齐了，投的是同一家公司。

## 钱，涌向具身行业「最强大脑」

2026 年的具身智能赛道风起云涌，仅在今年一季度，国内具身智能领域就披露了五十多起融资，三十多家创业公司完成融资，同比增长接近六成，是有记录以来最热的一个季度。

热到什么程度？如果你的估值低于 100 亿元，恐怕再难被视为「头部」。

赛道里热闹归热闹，钱的确很多，但是开始往少数团队的账户内聚集：**这半年陆续跨过百亿、甚至两百亿的公司，一只手数得过来：宇树、银河通用、智元、星海图，加上现在的自变量。**

强者恒强的马太效应，已经摆在台面上。

并且，这几家走的路径区别，还是足够明显的。

宇树是本体派。它卖机器狗、卖人形机器人，2025 年就能规模出货，今年六月 IPO 过会，是这批公司里离二级市场最近的一个。它的估值底下，垫着实打实的出货量和现金流。

自变量则是站在另一极的「大脑派」。它从成立第一天就只做一件难事：自研具身大模型，走完全端到端的路线。机器人本体、数据采集虽然它也在做，但更多是为了喂养和验证模型。

为什么资本现在愿意为一家「大脑公司」开出 200 亿？因为瓶颈的位置发生了迁移，新的共识正在行业里成形：

**机器人的本体技术已经卷到了极限，硬件层面所有人的差距都在缩小，真正决定一台机器人能不能干活、能干多少种活的，是那颗大脑。本体决定它能做出动作，大脑决定它知不知道该做哪个动作。**

资本的焦点，从过去广撒网押本体，开始定向投注少数的模型领跑者。多种顶级资本在两个月的时间里齐聚自变量，正是上述行业转向的侧面印证。

[![](https://s3.ifanr.com/wp-content/uploads/2026/06/img_6a41c4c59ee89.png)](https://s3.ifanr.com/wp-content/uploads/2026/06/img_6a41c4c59ee89.png)

自变量 CEO 王潜，清华本硕，是全球较早研究神经网络注意力机制的人之一，读博期间在美国顶尖机器人实验室做具身学习；CTO 王昊是北大计算物理博士，此前在 IDEA 研究院带封神榜大模型团队。一个底子在机器人，一个底子在大模型，这家公司从基因里就是「模型优先」。

这家公司也确实按这个路子在交付成果：最近，自变量发布了世界模型 WALL-WM，官方称是全球第一个能做「事件级」预测的世界模型。别的世界模型按固定时间间隔切画面，WALL-WM 改用「事件」来对齐画面、语言和动作，在多项评测里分数压过 DreamZero 这类同类模型。

今年 4 月，自变量发布了全球第一个基于「世界统一模型（WUM）」架构的具身大模型 WALL-B，把视觉、语言、动作、物理预测塞进同一个网络里从零联合训练，而不像主流 VLA 那样把几个现成模块拼起来。

前不久，自变量还开源了 WALL-OSS-0.5，按官方给的数据，在 17 个真机任务里不做后训练，光靠预训练就有 4 个任务自主完成率超过 80%，操作和推理任务上领先 Pi 0.5 这类主流开源模型。

它还自建数据采集工厂、自研数据管线，发布的 XR Zero 数采方案号称能把训练数据的采集成本压到原来的二十分之一。

这些活又苦又重。但具身智能眼下最稀缺的就是真实世界的交互数据，谁的数据管线效率高，谁的模型迭代就快，这是一条难以绕行的艰难且唯一道路。

用更挑剔的眼光看，一家主营业务仍处于试点阶段的模型公司，跟已经量产盈利、马上要上市的宇树放进同一个估值梯队，对自变量未必公平，它手里还没有宇树那样的出货量和现金流。

但这恰恰是这几轮融资耐人寻味的地方。高质量的顶级资本愿意共同托举自变量机器人到 200 亿元估值，押注的绝非机器人出货量这种简单的数字。

它们赌的是这枚大脑能不能从家政、产线这种单一场景继续生长，最终能够泛化到它尚未见过的千行百业当中。